基于Boosting框架的推荐系统架构与优化

• 作者: 于鸣 刘彦伯 徐克生 温雪岩
• 来源期刊: 现代电子技术
• 关键词: 推荐系统 系统架构 系统优化 Boosting框架 系统集成 系统测试
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 计算机科学与应用
• 页码范围: 19-21,28
• 页数: 4页
• 分类号: TN911-34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.08.006

摘要

现如今推荐算法已得到广泛应用,但大多数推荐算法均存在各自的局限性.针对这一问题,提出一种基于Boosting框架的推荐系统架构,以多种基本推荐算法为基础,集成一个强推荐系统.将基于Boosting的推荐系统,在MovieLens 100K中进行测试.测试与分析结果表明,该系统测试结果显示Precision达到39.44％,比原来提高8.63％.因此,集成的推荐系统能够有效提升推荐效果,为用户提供良好的用户体验.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于鸣	东北林业大学信息与计算机工程学院	22	87	6.0	8.0
2	徐克生	国家林业局哈尔滨林业机械研究所	36	53	4.0	6.0
3	温雪岩	东北林业大学信息与计算机工程学院	17	46	4.0	6.0
4	刘彦伯	东北林业大学信息与计算机工程学院	1	0	0.0	0.0